多元回歸模型與建模(編輯修改稿)
2025-02-26 20:59 本頁面
【文章內容簡介】 。你能夠建立起一個預測方程嗎？3/11/2023 19AppliedStatforMBA05D1(1)Johnson公司數(shù)據(jù) 維修時間 /小時 最后維修至本次維修請求時間 /月 故障類型 2 電子 1 6 機械 0 8 電子 1 3 機械 02 電子 1 7 電子 1 9 機械 0 8 機械 0 4 電子 1 6 電子 13/11/2023 20AppliedStatforMBA05D1散點圖有正相關的關系，可做一元回歸。但是似乎可以看出有兩條接近平行的直線擬合這些散點。3/11/2023 21AppliedStatforMBA05D1(2)建立維修時間 上次維修間隔 ,故障性質的回歸方程? 第一個回歸方程? 第二個回歸方程? 解釋你得到的回歸方程！討論 x2的作用。? *括弧內表示系數(shù)的 p值 。? 二元比一元的判定系數(shù)增大許多。 3/11/2023 22AppliedStatforMBA05D1(3)更復雜的定性變量? 如果有 3種定性狀態(tài)，如何設虛擬變量 ?? 例 :復印機銷售地區(qū)是 A、 B、 C三個地區(qū) ,已知不同地區(qū)銷售量不但與價格有關而且與地區(qū)也有關系 ,利用回歸分析建立銷售量模型。設 x1是價格，還需要 2個虛擬變量： 回歸方程期望值表示為： 地區(qū) A方程： 地區(qū) B方程： 地區(qū) C方程：? 注意： k種狀態(tài) ,需要引入 k1個虛擬變量。3/11/2023 23AppliedStatforMBA05D1三、廣義線性模型 有些復雜的曲線關系也可以用多元回歸方法擬合。 (Curvilinear Relationships) (1) Reynolds公司是一家生產工業(yè)天平和實驗室設備的企業(yè)。公司管理人員想要對公司銷售人員的工作年限和天平的銷售數(shù)量之間的關系進行研究。他們隨機抽取了 15名銷售人員，得到相應的數(shù)據(jù)：3/11/2023 24AppliedStatforMBA05D1Reynolds公司天平銷售量與人員雇用月數(shù) 天 平 銷售人員 天 平 銷售人員 銷售量 雇用月數(shù) 銷售量 雇用月數(shù) 275 41 89 40 296 106 235 51 317 76 83 9 376 104 112 12 162 22 67 6 150 12 325 56 367 85 189 19 308 111 3/11/2023 25AppliedStatforMBA05D1（ 2）散點圖和一元回歸結果3/11/2023 26AppliedStatforMBA05D1 R2 = 可以看出銷售量和人員雇用月數(shù)的回歸方程為Sale=+()方程的顯著性也很高。但是從散點圖看出似乎有非線性趨勢，而且判定系數(shù)也不算大。從下頁殘差表和殘差圖看出有明顯非線性特征，考慮加入二次項 x2做為第二個解釋變量
教學課件相關推薦
鄂ICP備17016276號-1